Aplicación de la metodología GARCH al precio de cierre en la Bolsa de Valores de Lima

El artículo presenta una metodología que utiliza la serie de tiempos, para la predicción de los índices de los precios de cierre, que efectúan los centros de mercados bursátiles.El comportamiento actual responde a una expectativa generada sobre el valor de cambio producido en el momento precedente;...

Full description

Bibliographic Details
Main Authors: Eduardo Raffo Lecca, Luis Raez Guevara, Carlos Quispe Atúncar
Format: Article
Language:Spanish
Published: Universidad Nacional Mayor de San Marcos 2012-12-01
Series:Industrial Data
Subjects:
Online Access:https://revistas.gnbit.net/index.php/idata/article/view/6377
id doaj-d20d01a3377d4b8288e53ac35bff57de
record_format Article
spelling doaj-d20d01a3377d4b8288e53ac35bff57de2021-06-08T04:34:47ZspaUniversidad Nacional Mayor de San MarcosIndustrial Data1560-91461810-99932012-12-0115210.15381/idata.v15i2.6377Aplicación de la metodología GARCH al precio de cierre en la Bolsa de Valores de LimaEduardo Raffo Lecca0Luis Raez Guevara1Carlos Quispe Atúncar2Universidad Nacional Mayor de San Marcos. Lima, PerúUniversidad Nacional Mayor de San Marcos. Lima, PerúUniversidad Nacional Mayor de San Marcos. Lima, Perú El artículo presenta una metodología que utiliza la serie de tiempos, para la predicción de los índices de los precios de cierre, que efectúan los centros de mercados bursátiles.El comportamiento actual responde a una expectativa generada sobre el valor de cambio producido en el momento precedente; es decir, a un valor esperado condicionado por la varianza del período anterior. El modelo GARCH es la parte fundamental de la investigación. Presenta de manera clara y detallada cada una de las actividades realizadas para la cuantificación del riesgo de mercado. Se aplica la metodología ARIMA para pronosticar los Rendimientos de la serie, que generalmente tienen una varianza no constante en el tiempo; es decir, presentan la existencia de heterocedasticidad y deben utilizarse los modelos autorregresivos generalizados de heterocedasticidad condicional, para la empresa en estudio. https://revistas.gnbit.net/index.php/idata/article/view/6377Predicciónseries de tiempoheterocedasticidadmodelos autorregresivosmetodología GARCH.
collection DOAJ
language Spanish
format Article
sources DOAJ
author Eduardo Raffo Lecca
Luis Raez Guevara
Carlos Quispe Atúncar
spellingShingle Eduardo Raffo Lecca
Luis Raez Guevara
Carlos Quispe Atúncar
Aplicación de la metodología GARCH al precio de cierre en la Bolsa de Valores de Lima
Industrial Data
Predicción
series de tiempo
heterocedasticidad
modelos autorregresivos
metodología GARCH.
author_facet Eduardo Raffo Lecca
Luis Raez Guevara
Carlos Quispe Atúncar
author_sort Eduardo Raffo Lecca
title Aplicación de la metodología GARCH al precio de cierre en la Bolsa de Valores de Lima
title_short Aplicación de la metodología GARCH al precio de cierre en la Bolsa de Valores de Lima
title_full Aplicación de la metodología GARCH al precio de cierre en la Bolsa de Valores de Lima
title_fullStr Aplicación de la metodología GARCH al precio de cierre en la Bolsa de Valores de Lima
title_full_unstemmed Aplicación de la metodología GARCH al precio de cierre en la Bolsa de Valores de Lima
title_sort aplicación de la metodología garch al precio de cierre en la bolsa de valores de lima
publisher Universidad Nacional Mayor de San Marcos
series Industrial Data
issn 1560-9146
1810-9993
publishDate 2012-12-01
description El artículo presenta una metodología que utiliza la serie de tiempos, para la predicción de los índices de los precios de cierre, que efectúan los centros de mercados bursátiles.El comportamiento actual responde a una expectativa generada sobre el valor de cambio producido en el momento precedente; es decir, a un valor esperado condicionado por la varianza del período anterior. El modelo GARCH es la parte fundamental de la investigación. Presenta de manera clara y detallada cada una de las actividades realizadas para la cuantificación del riesgo de mercado. Se aplica la metodología ARIMA para pronosticar los Rendimientos de la serie, que generalmente tienen una varianza no constante en el tiempo; es decir, presentan la existencia de heterocedasticidad y deben utilizarse los modelos autorregresivos generalizados de heterocedasticidad condicional, para la empresa en estudio.
topic Predicción
series de tiempo
heterocedasticidad
modelos autorregresivos
metodología GARCH.
url https://revistas.gnbit.net/index.php/idata/article/view/6377
work_keys_str_mv AT eduardoraffolecca aplicaciondelametodologiagarchalpreciodecierreenlabolsadevaloresdelima
AT luisraezguevara aplicaciondelametodologiagarchalpreciodecierreenlabolsadevaloresdelima
AT carlosquispeatuncar aplicaciondelametodologiagarchalpreciodecierreenlabolsadevaloresdelima
_version_ 1721391072165232640